Master Mathematics of Machine Learning and Data Science (MMLDS)
Inhalt, Keyfacts, Besonderheiten
Kurzbeschreibung
„Der Masterstudiengang vermittelt mathematische Grundlagen des Forschungsgebietes “Machine Learning and Data Science” durch relevante Lehrinhalte der reinen Mathematik (Topologie, Differentialgeometrie, Dynamische Systeme) und der angewandten Mathematik (Statistik, Optimierung, Numerik, Funktionalanalysis), welche für das Verständnis und die Weiterentwicklung der Methoden notwendig sind.
Der Masterstudiengang unterscheidet sich vom Masterstudiengang Mathematik durch den Fokus auf das Zusammenwirken mathematischer Konzepte und die forschungsorientierte Ausrichtung auf Machine Learning und Data Science. Die Projektbearbeitung im Data Science Lab schult die Anwendung der Methoden und die Teamarbeit“
Besonderheiten in Heidelberg
Der Master Mathematics of Machine Learning and Data Science bietet einen mathematischen Blick auf aktuelle Forschungsthemen im Bereich Machine Learning und Data Science. Im Vergleich zu anderen Studiengängen sind vorallem die Ringvorlesung und das Data Science Lab hervorzuheben.
Bewerbung und Vorbereitung
Bewerbung
Der Studiengang ist im Moment auf 40 Plätze beschränkt. Grundsätzlich musst du folgende Bedingungen erfüllen um zum Studium zugelassen werden zu können:
- Bachelorabschluss in Mathematik, Physik oder einem vergleichbaren Studiengang mit Durchschnittsnote 2,3 oder besser.
- (Bestandene) Grundlagenvorlesungen mit je 8 LP in Analysis und Linearer Algebra.
- Mindestens drei (bestandene) Grundlagenvorlesungen mit je 8 LP in den Bereichen Funktionalanalysis,
Differentialgeometrie, Optimierung, Statistik und Wahrscheinlichkeitstheorie, Numerik. - Englischkenntnisse auf Niveau B2 (mit entsprechendem Nachweis)
Alle Personen die diese Voraussetzungen erfüllen, werden nach Eignung sortiert und bekommen in entsprechender Reihenfolge eine Einladung zu einem Gespräch. Daraufhin entscheidet die Zulassungskommission über den Erfolg eurer Bewerbung.
Bedenkt dass in jedem Fall die obigen Zulassungsvorausetzungen erfüllt sein müssen, sonst habt ihr keine Chance auf eine Zulassung, auch wenn sich weniger als 40 Personen bewerben oder einen Studienplatz annehmen. Eine Bewerbung mit einem anderen Studiengang ist grundsätzlich auch möglich, achtet dabei ebenfalls auf die Erfüllung der Voraussetzugen.
Mehr Informationen zum Zulassungsverfahren findet ihr in der Zulassungsordnung und der Webseite des Studiengangs.
Vorkurs / Master Induction Event
Dies ist eine Beispiel-Seite. Sie unterscheidet sich von Beiträgen, da sie stets an derselben Stelle bleibt und (bei den meisten Themes) in der Website-Navigation angezeigt wird. Die meisten starten mit einem Impressum, der Datenschutzerklärung oder einer „Über uns“-Seite, um sich potenziellen Besuchern der Website vorzustellen.
Aufbau
Beispielhafter Studienverlauf
Der Studiengang besteht aus folgenden Pflichtveranstaltungen:
- Ringvorlesung
- Data Science Lab
- Seminar Machine Learning and Data Science
Ebenfalls müsst ihr 3 der folgenden Wahlpflichtveranstaltungen (Core Modules) belegen:
- Geometric methods for machine learning
- High dimensional numerics
- Partial differential equations and pattern formation
- Statistical learning and empirical process theory
- Variational methods and numerical optimization
Zusätzlich belegt ihr noch 3 Spezialisierungsvorlesungen, Fachübergreifende Kompetenzen, sowie die Masterarbeit mit Präsentation.
Einen beispielhaften Studienplan findet ihr im Bild links. Es ist allerdings kein Problem mehr als 4 Semester zu studieren.